16、最接近的三数之和

博客围绕找出数组中三个整数,使其和与目标值最接近的问题展开。给出示例,如数组[-1,2,1,-4],目标值为1,最接近和为2。介绍了双指针法,思路类似三数之和为0,需排序数组,通过循环和双指针遍历比较,时间复杂度O(nlogn),空间复杂度O(logn)。

给定一个包括 n 个整数的数组 nums 和 一个目标值 target。找出 nums 中的三个整数,使得它们的和与 target 最接近。返回这三个数的和。假定每组输入只存在唯一答案。

例如,给定数组 nums = [-1,2,1,-4], 和 target = 1.

与 target 最接近的三个数的和为 2. (-1 + 2 + 1 = 2).

如果你理解了算法15的思想,相信这道题也是可以成功写出的。

方法一:双指针法

思路:与三数之和为0的思路类似,时间复杂度O(nlogn),空间复杂度O(logn)

【1】​目标a+b+c最接近target,只要比较新增的sum=a+b+c与之前的min的大小。即abs(sum-target)?abs(min-target)大小

【2】​先对数组进行排序

【3】对数组进行for循环,a=nums[i]

【4】使用双指针对a之后的数组进行遍历,并与现有的最接近值进行比较。

int threeSumClosest(vector<int>& nums, int target) {
	sort(nums.begin(), nums.end());  //排序
	int min = nums[0] + nums[1] + nums[2];    //初始化最接近的值
	for (int i = 0;i <= nums.size() - 3;++i) {
		int begin = i + 1, end = nums.size() - 1;    //双指针
		while (begin < end) {
			int sum = nums[i] + nums[begin] + nums[end];  //a+b+c
			if (sum == target) {  //存在a+b+c=target,必定为最接近的值
				return target;
			}
			else {
				if (abs(min - target) > abs(sum - target))    //与现有最接近值进行比较
					min = sum;
				if (sum < target) {
					++begin;
				}
				else {
					--end;
				}
			}
		}
	}
	return min;
}

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值